[发明专利]一种基于机器视觉巡游式环锭纺断纱检测方法

说明书

本发明涉及一种基于机器视觉巡游式环锭纺断纱检测方法，其特征在于，包括以下步骤：带有工业摄像头的工业相机对纱线进行巡游式检测，处理器获取工业相机巡游中的图片；建立目标区域识取模型并对目标区域识取模型进行训练，将获得的实时图像输入训练后的目标区域识取模型，判断图像中是否包含纱线目标，并提取包含纱线目标的图像的感兴趣区域；对正常矩形图像进行平滑处理；计算每根纱线的长度从而判断是否发生断纱现象。本发明考虑检测纱线数量动态变化的问题；考虑了适应不同场合下环锭纺细纱机的检测和移动下图像畸变问题，具有较好的鲁棒性；能够适应于图像纱线间距变化的问题；考虑到了多次降噪问题，有效的提高了检测的准确率。

技术领域

本发明涉及一种基于机器视觉的环锭纺细纱视觉检测方法，属于图像处理和深度学习技术领域。

背景技术

细纱工序是纺纱工艺的一个重要环节，细纱生产过程中断纱(从前罗拉输出至筒管之间连续的细纱条发生断裂的现象)问题直接导致细纱工序中断。细纱断头率是细纱生产的主要技术指标之一，高断头率则是限制环锭纺产能的主要原因，也是影响劳动生产率的重要因素，细纱断头多不仅会增加工人巡检劳动强度，也会对能源损耗、纱线质量、原料损耗产生影响。

现有技术检测细纱断纱的方式通常有机械式、电气接触式、气压非接触式、光电非接触式和温度传感式等。此类方法都为单锭式检测，优势是准确率高、实时性强、寿命较长、性能较为稳定，但单锭式检测存在着对现有细纱机改造成本高的问题，部分方法也会对纺纱过程产生影响。因此，单锭式检测存在改造成本大甚至无法改造的缺点。

目前随着视觉传感器价格逐步降低，数字图像处理技术不断发展，工业中各个生产领域开始广泛采用机器视觉进行表面缺陷检测、工件定位、目标识别等，而通过使用机器视觉的方式可以适应于市面上大部分细纱机进行断纱检测，价格低可改造性强，同时对纺纱过程不会产生任何影响。

虽然机器视觉具有上述众多优点，但目前市面上仍然没有一套比较完善的机器视觉断纱检测的方法，大部分方法仍处于理论阶段，在实际应用中仍存在许多不足，同时没有考虑到移动检测时所产生的问题。

发明内容

本发明要解决的技术问题是：巡游式环锭纺断纱检测准确率低。

为了解决上述技术问题，本发明的技术方案是提供了一种基于机器视觉巡游式环锭纺断纱检测方法，其特征在于，包括以下步骤：

步骤1、带有工业摄像头的工业相机对纱线进行巡游式检测，处理器获取工业相机巡游中的图片；

步骤2、建立目标区域识取模型并对目标区域识取模型进行训练，将步骤1获得的实时图像输入训练后的目标区域识取模型，判断图像中是否包含纱线目标，并提取包含纱线目标的图像的感兴趣区域，具体包括以下步骤：

步骤201、建立基于目标检测的深度神经网络结构作为目标区域识取模型。该目标区域识取模型由一个输入层、一个卷积层COV.1、5个Inverted Residual Block层、一个卷积层COV.2、一个平均池化层和一个输出层组成，其中：

每个Inverted Residual Block层使用深度可分离卷积和残差结构；

输出层通过全连接层输出3个坐标点及一个CLASS类，其中，CLASS类分为两类，一类表示输入的图像包含纱线目标，另一类表示输入的图像不包含纱线目标；通过4个坐标点确定一个矩形框，当通过CLASS类显示输入的图像包含纱线目标时，利用该矩形框将图像中带纱线的目标区域框选出来；

步骤202、利用训练数据集对步骤201构建的目标区域识取模型进行训练，包括：

步骤2021、获取训练数据集：

使用工业摄像头收集在工厂中纺纱相关数据图片，拍摄多张带纱线目标的图像及多张不带纱线目标的黑白图像；